Chinese contentAA-PersonalityBench：Anthropic 模型在信息密度与文风指标上领先
Artificial Analysis 测了各家模型的性格指标，Claude 全系在信息密度和文风两项都排最前，写文案的可以参考这个榜。
Latest
Every published item, in order · 59 items
Oct 22
Anthropic models lead completeness but trail OpenAI on medical benchmarks
Verbose medical answers earn completeness points but introduce more claims that can contradict the record, so length itself becomes an accuracy liability. Teams building clinical documentation or decision-support tools should weight length-adjusted scores over raw ones, since the top model changes depending on that choice. Against alternatives like GPT-6 Astra, Claude models suit use cases where covering every rubric point matters more than brevity.
Chinese contentAnthropic 的 Claude Sonnet 5.5 在 ARC-AGI-3 上拿到 72.4%
Anthropic 的 Sonnet 5.5 在 ARC-AGI-3 上拿了 72.4%，这个基准一直很难，数据里还给了不同 harness 的对比和每任务成本，做评测的可以看看。
Oct 21
Claude Sonnet 5.5 and GPT-6 Astra tie on MLCR-AA leaderboard
The split matters more than the tie: Anthropic models dominate completeness, with Claude Sonnet 5.5 at 64.8% versus 42.2% for the best non-Anthropic model, while OpenAI models dominate accuracy, led by GPT-6.1 Sol at 96.7%. Teams deploying models for medical record review should pick based on which failure mode they can tolerate. Even top models still fail more than half of the benchmark's questions, so human review remains necessary.
Oct 20
Chinese contentArtificial Analysis 上线 HealthBench 医疗对话模型排行榜
医疗对话模型排行榜上线了，GPT-6 Astra 和 DeepSeek V4.1 Flash 的分数、成本对比都有，选医疗模型前可以看看。
Oct 17
Chinese contentSonnet 5.5 在单项评测中拿下 3 个第一，表现与 Opus 5.5 不同
Sonnet 5.5 单项评测拿了 3 个第一，比 Opus 5.5 还猛，这条推里有各家模型的榜首分布数据，选模型前可以看看。
Oct 14
Chinese contentGoogle 向付费用户开放 Gemini 4 Argon，登顶 Vals AI 专业任务榜
Google 把内测的 Gemini 4 Argon 开放了，专业任务榜上分数超过了 Claude 两个型号，单次测试还便宜一半，做长任务的可以看看价格变化节点。
Chinese contentGoogle 发布 Gemini 4 Argon：订阅用户今天可用，API 引入价输入 2 美元
Google 新旗舰 Gemini 4 Argon 今天就能用，API 引入价输入 2 美元，12 月翻倍。Vals Index 榜单第一，稍微压过 Claude Sonnet 5.5。
Oct 13
Chinese contentMeta Muse Wonder (Max) 实测：对比 Opus 5.5、GPT-6.1 Sol 等模型
petergostev 把 Meta 的 Muse Wonder 拉来和 Opus 5.5、GPT-6.1 Sol 这几个模型同台比 3D 场景和前端生成，还附了每次生成的费用，想选模型可以看看。
Oct 11
Chinese contentClaude Opus 5.5 (Max) 登顶 Image-to-WebDev Arena 榜首
Anthropic 两款 Claude 新模型包揽了图像转网页榜单前两名，价格还比 GPT-6 Astra 便宜六成，做前端生成的可以看看对比图。
Oct 8
Chinese contentClaude Haiku 5.5 发布：基准领先 GPT-6 Luna，价格比 Haiku 4.5 低 75%
Anthropic 放出 Haiku 5.5，比上一代便宜 75%，基准和速度都压过 GPT-6 Luna，小模型优先的话可以看看这条。
Chinese contentAnthropic 发布 Claude Haiku 5.5，定价降至 GPT-6 Luna 水平
Anthropic 把最便宜的小模型 Haiku 升到 5.5，成本只有 Sonnet 5.5 的零头，跑 agent 任务可以省不少钱。
Oct 6
Chinese contentAgent Arena 发布智能体任务榜单：Anthropic 模型居 Code、Work、Chat 三类榜首
Arena.ai 更新了 Agent Arena 榜单，Anthropic 和 OpenAI 的模型在真实任务上谁强谁弱，一目了然。
Oct 4
Chinese contentClaude Sonnet 5.5 (Max) 登上 Agent Arena 第三名，Anthropic 包揽前三
Anthropic 新版 Sonnet 5.5 排名很猛，Chat 类第一，编码只差 GPT-6 两分还便宜 20%，就是单任务贵了七成。
Oct 3
Claude Sonnet 5.5 ranks third in Agent Arena
The performance-cost tradeoff reveals Anthropic's strategic positioning between premium and efficient models. Developers evaluating cost-performance ratios can now compare Sonnet 5.5's $2.74 per task against Opus 5.5's $1.58, with both leading different categories.
Oct 2
Chinese contentClaude Sonnet 5.5 在代码竞技场获第三名
Anthropic 发布的 Claude Sonnet 5.5 在代码竞技场表现优异，性价比超高，比前代版本提升 159 分。
Chinese contentClaude Sonnet 5.5 匹配 Fable 5.1 性能
Anthropic 的 Sonnet 5.5 几个月就追上 Fable 5.1，中模型也能达到顶尖水平了。
Oct 1
Sep 30
Chinese contentClaude Sonnet 5.5 在 Arena 限时开放测试
Anthropic 在 Arena 开放 Sonnet 5.5 限时测试，速度更快成本更低，想体验的抓紧时间。
Anthropic releases Claude Sonnet 5.5
The model's dramatic performance gains in coding benchmarks and cost efficiency could reshape developer workflows, particularly for companies handling large codebases. For ASEAN developers, this presents a competitive alternative to OpenAI's offerings, with local implementation costs potentially lower than US$2 per million tokens for input.
Chinese contentClaude Sonnet 5.5 在 Code Arena 排名第四
Anthropic 发布的 Claude Sonnet 5.5 性价比极高，在多个关键领域排名从第 30 多位跃升至第 4 位。
Chinese contentClaude Sonnet 5.5刷新WebDev编程基准
Claude Sonnet 5.5在WebDev编程基准上拿到1699分，每百万token只要8美元，性价比很高。
Sep 29
Chinese contentClaude Sonnet 5.5 登陆 OpenRouter
Anthropic 发布的 Sonnet 5.5 在 OpenRouter 上可用，比前代更聪明更快更便宜。
Chinese contentClaude Sonnet 5.5 Max 位居AI指数第二
Anthropic 的 Claude Sonnet 5.5 Max 超越了 GPT-6 Astra Max，AI 指数排名第二，仅落后于 Opus-5.5。
Chinese contentAnthropic发布Claude Sonnet 5.5模型
Anthropic的Sonnet 5.5性能接近顶级模型但价格更低，Terminal-Bench分数暴涨60个百分点。
Chinese contentAnthropic发布Claude Sonnet 5.5模型
Anthropic的Sonnet 5.5在智能终端和知识工作上接近顶级模型，但token使用量显著增加，定价与Sonnet 5相同。
Chinese contentAnthropic发布Claude Sonnet 5.5模型
Anthropic新发布的Sonnet 5.5，速度更快、成本更低，是Claude 5.5系列中的第二款模型。
Sep 17
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
AITOPRead
Aug 13
AITOP12:07
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
AITOPRead
Aug 7
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
AITOPRead
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
AITOPRead
Aug 2
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
AITOPRead